Reconciler#

class Reconciler(method='bu')[source]#

层级调和转换器。

层级调和是一种转换，用于确保时间序列层级结构中的预测值能够正确地汇总。

此类中实现的方法仅需要层级结构或预测值来进行调和。

这些函数旨在用于转换层级预测值，即在预测之后。然而，它们是通用的，也可用于转换层级时间序列数据。

对于除了预测值外还需要历史值的调和方法，例如 MinT，请参阅 ReconcilerForecaster 类。

有关这些方法的更多信息，请参阅 [1]。

参数:

method{“bu”, “ols”, “wls_str”, “td_fcst”}，默认值=”bu”

应用于预测值的调和方法

"bu" - 自下而上
"ols" - 普通最小二乘法
"wls_str" - 加权最小二乘法（结构性）
"td_fcst" - 基于（预测）比例的自上而下法

属性:

is_fitted: 是否已调用 fit 方法。

另请参阅

Aggregator
ReconcilerForecaster

参考文献

[1]

https://otexts.com/fpp3/hierarchical.html

示例

>>> from sktime.forecasting.trend import PolynomialTrendForecaster
>>> from sktime.transformations.hierarchical.reconcile import Reconciler
>>> from sktime.transformations.hierarchical.aggregate import Aggregator
>>> from sktime.utils._testing.hierarchical import _bottom_hier_datagen
>>> agg = Aggregator()
>>> y = _bottom_hier_datagen(
...     no_bottom_nodes=3,
...     no_levels=1,
...     random_seed=123,
... )
>>> y = agg.fit_transform(y)
>>> forecaster = PolynomialTrendForecaster()
>>> forecaster.fit(y)
PolynomialTrendForecaster(...)
>>> prds = forecaster.predict(fh=[1])
>>> # reconcile forecasts
>>> reconciler = Reconciler(method="ols")
>>> prds_recon = reconciler.fit_transform(prds)

方法

`check_is_fitted`([method_name])	检查评估器是否已拟合。
`clone`()	获取具有相同超参数和配置的对象的克隆。
`clone_tags`(estimator[, tag_names])	将标签从另一个对象克隆为动态覆盖。
`create_test_instance`([parameter_set])	使用第一个测试参数集构造类的实例。
`create_test_instances_and_names`([parameter_set])	创建所有测试实例的列表及其名称列表。
`fit`(X[, y])	使用 X 拟合转换器，y 可选。
`fit_transform`(X[, y])	拟合数据，然后进行转换。
`get_class_tag`(tag_name[, tag_value_default])	从类中获取类标签值，带有来自父类的标签级别继承。
`get_class_tags`()	从类中获取类标签，带有来自父类的标签级别继承。
`get_config`()	获取自身的配置标志。
`get_fitted_params`([deep])	获取已拟合参数。
`get_param_defaults`()	获取对象的默认参数。
`get_param_names`([sort])	获取对象的参数名称。
`get_params`([deep])	获取此对象的参数值字典。
`get_tag`(tag_name[, tag_value_default, ...])	从实例中获取标签值，带有标签级别继承和覆盖。
`get_tags`()	从实例中获取标签，带有标签级别继承和覆盖。
`get_test_params`()	返回评估器的测试参数设置。
`inverse_transform`(X[, y])	对 X 进行逆转换并返回逆转换后的版本。
`is_composite`()	检查对象是否由其他 BaseObjects 组成。
`load_from_path`(serial)	从文件位置加载对象。
`load_from_serial`(serial)	从序列化内存容器加载对象。
`reset`()	将对象重置到干净的初始化后状态。
`save`([path, serialization_format])	将序列化的自身保存到字节类对象或 (.zip) 文件。
`set_config`(**config_dict)	将配置标志设置为给定值。
`set_params`(**params)	设置此对象的参数。
`set_random_state`([random_state, deep, ...])	设置自身的 random_state 伪随机种子参数。
`set_tags`(**tag_dict)	将实例级别标签覆盖设置为给定值。
`transform`(X[, y])	转换 X 并返回转换后的版本。
`update`(X[, y, update_params])	使用 X 更新转换器，y 可选。

classmethod get_test_params()[source]#

返回评估器的测试参数设置。

返回:

paramsdict，默认值 = {}: 用于创建类的测试实例的参数。每个字典都是用于构造一个“有趣”测试实例的参数，即 MyClass(**params) 或 MyClass(**params[i]) 创建一个有效的测试实例。create_test_instance 使用 params 中的第一个（或唯一一个）字典。

check_is_fitted(method_name=None)[source]#

检查评估器是否已拟合。

检查评估器的 _is_fitted 属性是否存在且为 True。is_fitted 属性应在调用对象的 fit 方法时设置为 True。

如果不是，则引发 NotFittedError。

参数:

method_namestr，可选: 调用此函数的方法的名称。如果提供，错误消息将包含此信息。

引发:

NotFittedError: 如果评估器尚未拟合。

clone()[source]#

获取具有相同超参数和配置的对象的克隆。

克隆是一个不同的对象，没有共享引用，处于初始化后状态。此函数等同于返回 self 的 sklearn.clone。

等同于构造 type(self) 的新实例，使用 self 的参数，即 type(self)(**self.get_params(deep=False))。

如果在 self 上设置了配置，克隆也将具有与原始对象相同的配置，等同于调用 cloned_self.set_config(**self.get_config())。

在值上也等同于调用 self.reset，区别在于 clone 返回一个新对象，而不是像 reset 那样改变 self。

引发:

如果克隆不符合规范，由错误的 __init__ 引起，则引发 RuntimeError。

clone_tags(estimator, tag_names=None)[source]#

将标签从另一个对象克隆为动态覆盖。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储关于对象的元数据，或控制对象的行为。

标签是特定于实例 self 的键值对，它们是对象构造后不会更改的静态标志。

clone_tags 从另一个对象 estimator 设置动态标签覆盖。

clone_tags 方法应仅在对象的 __init__ 方法中调用，在构造期间，或通过 __init__ 直接在构造之后调用。

动态标签设置为 estimator 中指定名称 tag_names 的标签值。

tag_names 的默认值将所有标签从 estimator 写入 self。

可以通过 get_tags 或 get_tag 检查当前标签值。

参数:

estimator：:class:BaseObject 的实例或派生类
tag_namesstr 或 str 列表，默认值 = None: 要克隆的标签名称。默认值 (None) 克隆 estimator 中的所有标签。

返回:

self: 对 self 的引用。

classmethod create_test_instance(parameter_set='default')[source]#

使用第一个测试参数集构造类的实例。

参数:

parameter_setstr，默认值=”default”: 要返回的测试参数集的名称，用于测试。如果某个值没有定义特殊参数，将返回 “default” 集。

返回:

instance：带有默认参数的类实例

classmethod create_test_instances_and_names(parameter_set='default')[source]#

创建所有测试实例的列表及其名称列表。

参数:

parameter_setstr，默认值=”default”: 要返回的测试参数集的名称，用于测试。如果某个值没有定义特殊参数，将返回 “default” 集。

返回:

objs：cls 实例的列表: 第 i 个实例是 cls(**cls.get_test_params()[i])
names：str 列表，长度与 objs 相同: 第 i 个元素是测试中 obj 的第 i 个实例的名称。命名约定是如果实例多于一个，则为 {cls.__name__}-{i}，否则为 {cls.__name__}

fit(X, y=None)[source]#

使用 X 拟合转换器，y 可选。

状态改变: 将状态更改为“已拟合”。

写入自身

设置以“_”结尾的已拟合模型属性，已拟合属性可通过 get_fitted_params 进行检查。

将 self.is_fitted 标志设置为 True。

如果 self.get_tag("remember_data") 为 True，则将 X 记忆为 self._X，并强制转换为 self.get_tag("X_inner_mtype")。

参数:

X：sktime 兼容数据容器格式的时间序列

用于拟合转换的数据。

sktime 中的独立数据格式称为 mtype 规范，每个 mtype 实现一个抽象的 scitype。

Series scitype = 单个时间序列。pd.DataFrame、pd.Series 或 np.ndarray (1D 或 2D)
Panel scitype = 时间序列集合。pd.DataFrame 带有 2 级行 MultiIndex (实例, 时间)、3D np.ndarray (实例, 变量, 时间)、list 类型的 Series pd.DataFrame
Hierarchical scitype = 时间序列的层级集合。pd.DataFrame 带有 3 级或更多行 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参阅关于 mtype 的术语表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

y：可选，sktime 兼容数据格式的数据，默认值=None

额外数据，例如用于转换的标签。如果 self.get_tag("requires_y") 为 True，则必须在 fit 中传递，不可选。有关所需格式，请参阅类文档字符串了解详细信息。

返回:

self：评估器的一个已拟合实例

fit_transform(X, y=None)[source]#

拟合数据，然后进行转换。

将转换器拟合到 X 和 y，并返回 X 的转换版本。

状态改变: 将状态更改为“已拟合”。

写入自身: _is_fitted : 标志设置为 True. _X : X, X 的强制转换副本, 如果 remember_data 标签为 True

如果可能，可能会强制转换为内部类型或通过引用转换为 update_data 兼容类型

模型属性（以“_”结尾）：取决于评估器

参数:

X：sktime 兼容数据容器格式的时间序列

用于拟合转换的数据，以及要转换的数据。

sktime 中的独立数据格式称为 mtype 规范，每个 mtype 实现一个抽象的 scitype。

Series scitype = 单个时间序列。pd.DataFrame、pd.Series 或 np.ndarray (1D 或 2D)
Panel scitype = 时间序列集合。pd.DataFrame 带有 2 级行 MultiIndex (实例, 时间)、3D np.ndarray (实例, 变量, 时间)、list 类型的 Series pd.DataFrame
Hierarchical scitype = 时间序列的层级集合。pd.DataFrame 带有 3 级或更多行 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参阅关于 mtype 的术语表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

y：可选，sktime 兼容数据格式的数据，默认值=None

额外数据，例如用于转换的标签。如果 self.get_tag("requires_y") 为 True，则必须在 fit 中传递，不可选。有关所需格式，请参阅类文档字符串了解详细信息。

返回:

X 的转换版本

类型取决于 X 的类型和 scitype:transform-output 标签

X | tf-output | 返回类型 |

|----------|————–|------------------------| | Series | Primitives | pd.DataFrame (1 行) | | Panel | Primitives | pd.DataFrame | | Series | Series | Series | | Panel | Series | Panel | | Series | Panel | Panel |

返回中的实例对应于 X 中的实例

表中未列出的组合目前不支持

具体说明，带示例

如果 X 是 Series (例如，pd.DataFrame)

并且 transform-output 是 Series，则返回的是一个相同 mtype 的单个 Series。示例：对单个序列进行去趋势

如果 X 是 Panel (例如，pd-multiindex) 并且 transform-output

是 Series，则返回的是一个 Panel，其实例数量与 X 相同（转换器应用于每个输入的 Series 实例）。示例：面板中的所有序列都被单独去趋势

如果 X 是 Series 或 Panel 并且 transform-output 是

Primitives，则返回的是一个 pd.DataFrame，其行数与 X 中的实例数相同。示例：返回值的第 i 行包含第 i 个序列的均值和方差

如果 X 是 Series 并且 transform-output 是 Panel，

则返回的是一个 pd-multiindex 类型的 Panel 对象。示例：输出的第 i 个实例是运行在 X 上的第 i 个窗口

classmethod get_class_tag(tag_name, tag_value_default=None)[source]#

从类中获取类标签值，带有来自父类的标签级别继承。

每个 scikit-base 兼容对象都有一个标签字典，用于存储关于对象的元数据。

get_class_tag 方法是一个类方法，它仅考虑类级别标签值和覆盖来检索标签的值。

它从对象中返回名称为 tag_name 的标签的值，考虑标签覆盖，优先级从高到低如下：

在类的 _tags 属性中设置的标签。
在父类的 _tags 属性中设置的标签，

按照继承顺序。

不考虑在实例上通过 set_tags 或 clone_tags 设置的动态标签覆盖，这些覆盖是在实例上定义的。

要检索带有潜在实例覆盖的标签值，请改用 get_tag 方法。

参数:

tag_name：str: 标签值的名称。
tag_value_default：任何类型: 如果未找到标签的默认/备用值。

返回:

tag_value: self 中 tag_name 标签的值。如果未找到，则返回 tag_value_default。

classmethod get_class_tags()[source]#

从类中获取类标签，带有来自父类的标签级别继承。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储关于对象的元数据，或控制对象的行为。

标签是特定于实例 self 的键值对，它们是对象构造后不会更改的静态标志。

get_class_tags 方法是一个类方法，它仅考虑类级别标签值和覆盖来检索标签的值。

它返回一个字典，其键是类或其任何父类中设置的任何 _tags 属性的键。

值是相应的标签值，覆盖顺序从高到低如下：

在类的 _tags 属性中设置的标签。
在父类的 _tags 属性中设置的标签，

按照继承顺序。

实例可以根据超参数覆盖这些标签。

要检索带有潜在实例覆盖的标签，请改用 get_tags 方法。

不考虑在实例上通过 set_tags 或 clone_tags 设置的动态标签覆盖，这些覆盖是在实例上定义的。

要包含来自动态标签的覆盖，请使用 get_tags。

collected_tags：dict: 标签名称：标签值对的字典。通过嵌套继承从 _tags 类属性收集。不受通过 set_tags 或 clone_tags 设置的动态标签覆盖。

get_config()[source]#

获取自身的配置标志。

配置是 self 的键值对，通常用作控制行为的瞬时标志。

get_config 返回动态配置，这些配置会覆盖默认配置。

默认配置设置在类或其父类的类属性 _config 中，并被通过 set_config 设置的动态配置覆盖。

配置在 clone 或 reset 调用下保留。

返回:

config_dict：dict: 配置名称：配置值对的字典。通过嵌套继承从 _config 类属性收集，然后从 _onfig_dynamic 对象属性收集任何覆盖和新标签。

get_fitted_params(deep=True)[source]#

获取已拟合参数。

所需状态: 需要状态为“已拟合”。

参数:

deep：bool，默认值=True

是否返回组件的已拟合参数。

如果为 True，将返回此对象的参数名称：值字典，包括可拟合组件的已拟合参数（= BaseEstimator 类型参数）。
如果为 False，将返回此对象的参数名称：值字典，但不包括组件的已拟合参数。

返回:

fitted_params：带有 str 类型键的 dict

已拟合参数的字典，paramname：paramvalue 键值对包括

总是：此对象的所有已拟合参数，如同通过 get_param_names 获取；值是该键对应的此对象的已拟合参数值
如果 deep=True，还包含组件参数的键值对；组件的参数索引为 [组件名称]__[参数名称]；组件名称的所有参数以参数名称及其值出现
如果 deep=True，还包含任意级别的组件递归，例如 [组件名称]__[子组件名称]__[参数名称] 等

classmethod get_param_defaults()[source]#

获取对象的默认参数。

返回:

default_dict: dict[str, Any]: 键是 cls 中所有在 __init__ 中定义了默认值的参数。值是默认值，如在 __init__ 中定义。

classmethod get_param_names(sort=True)[source]#

获取对象的参数名称。

参数:

sort：bool，默认值=True: 是否按字母顺序（True）或按它们在类 __init__ 中出现的顺序（False）返回参数名称。

返回:

param_names: list[str]: cls 的参数名称列表。如果 sort=False，则按它们在类 __init__ 中出现的相同顺序排列。如果 sort=True，则按字母顺序排列。

get_params(deep=True)[source]#

获取此对象的参数值字典。

参数:

deep：bool，默认值=True

是否返回组件的参数。

如果为 True，将返回此对象的参数名称：值 dict，包括组件的参数（= BaseObject 类型参数）。
如果为 False，将返回此对象的参数名称：值 dict，但不包括组件的参数。

返回:

params：带有 str 类型键的 dict

参数字典，paramname：paramvalue 键值对包括

总是：此对象的所有参数，如同通过 get_param_names 获取；值是该键对应的此对象的参数值；值始终与构造时传递的值相同
如果 deep=True，还包含组件参数的键值对；组件的参数索引为 [组件名称]__[参数名称]；组件名称的所有参数以参数名称及其值出现
如果 deep=True，还包含任意级别的组件递归，例如 [组件名称]__[子组件名称]__[参数名称] 等

get_tag(tag_name, tag_value_default=None, raise_error=True)[source]#

从实例中获取标签值，带有标签级别继承和覆盖。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储关于对象的元数据，或控制对象的行为。

标签是特定于实例 self 的键值对，它们是对象构造后不会更改的静态标志。

get_tag 方法从实例中检索名称为 tag_name 的单个标签的值，考虑标签覆盖，优先级从高到低如下：

在实例上通过 set_tags 或 clone_tags 设置的标签，

在实例构造时。

在类的 _tags 属性中设置的标签。
在父类的 _tags 属性中设置的标签，

按照继承顺序。

参数:

tag_name：str: 要检索的标签名称
tag_value_default：任何类型，可选；默认值=None: 如果未找到标签的默认/备用值
raise_error：bool: 当未找到标签时是否引发 ValueError

返回:

tag_value：Any: self 中 tag_name 标签的值。如果未找到，则在 raise_error 为 True 时引发错误，否则返回 tag_value_default。

引发:

ValueError，如果 raise_error 为 True。: 如果 tag_name 不在 self.get_tags().keys() 中，则会引发 ValueError。

get_tags()[source]#

从实例中获取标签，带有标签级别继承和覆盖。

每个 scikit-base 兼容对象都有一个标签字典。标签可用于存储关于对象的元数据，或控制对象的行为。

标签是特定于实例 self 的键值对，它们是对象构造后不会更改的静态标志。

get_tags 方法返回一个标签字典，其中键是类或其任何父类中设置的任何 _tags 属性的键，或是通过 set_tags 或 clone_tags 设置的标签。

值是相应的标签值，覆盖顺序从高到低如下：

在实例上通过 set_tags 或 clone_tags 设置的标签，

在实例构造时。

在类的 _tags 属性中设置的标签。
在父类的 _tags 属性中设置的标签，

按照继承顺序。

返回:

collected_tagsdict: 标签名称 : 标签值对的字典。从 _tags 类属性通过嵌套继承收集，然后是来自 _tags_dynamic 对象属性的任何覆盖和新标签。

inverse_transform(X, y=None)[source]#

对 X 进行逆转换并返回逆转换后的版本。

目前假定只有具有以下标签的转换器: “scitype:transform-input”=”Series”, “scitype:transform-output”=”Series”,

具有 inverse_transform 方法。

所需状态: 需要状态为“已拟合”。

访问 self 中的内容

以“_”结尾的拟合模型属性。

self.is_fitted，必须为 True

参数:

X：sktime 兼容数据容器格式的时间序列

用于拟合转换的数据。

sktime 中的独立数据格式称为 mtype 规范，每个 mtype 实现一个抽象的 scitype。

Series scitype = 单个时间序列。pd.DataFrame、pd.Series 或 np.ndarray (1D 或 2D)
Panel scitype = 时间序列集合。pd.DataFrame 带有 2 级行 MultiIndex (实例, 时间)、3D np.ndarray (实例, 变量, 时间)、list 类型的 Series pd.DataFrame
Hierarchical scitype = 时间序列的层级集合。pd.DataFrame 带有 3 级或更多行 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参阅关于 mtype 的术语表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

y：可选，sktime 兼容数据格式的数据，默认值=None

附加数据，例如用于转换的标签。某些转换器需要此项，详情请参见类文档字符串。

返回:

X 的逆转换版本: 与 X 类型相同，并符合 mtype 格式规范

is_composite()[source]#

检查对象是否由其他 BaseObjects 组成。

复合对象是指包含其他对象作为参数的对象。在实例上调用，因为这可能因实例而异。

返回:

composite: bool: 对象是否具有任何参数，其值是 BaseObject 的后代实例。

property is_fitted[source]#

是否已调用 fit 方法。

检查对象的 _is_fitted 属性，该属性应在对象构造期间初始化为 False，并在调用对象的 fit 方法时设置为 True。

返回:

bool: 估计器是否已进行 fit 操作。

classmethod load_from_path(serial)[source]#

从文件位置加载对象。

参数:

serialZipFile(path).open(“object) 的结果

返回:

反序列化的 self，其结果输出到 path，是 cls.save(path) 的结果

classmethod load_from_serial(serial)[source]#

从序列化内存容器加载对象。

参数:

serialcls.save(None) 输出的第一个元素

返回:

反序列化的 self，其结果是输出 serial，是 cls.save(None) 的结果

reset()[source]#

将对象重置到干净的初始化后状态。

其结果是将 self 设置为其在构造函数调用后直接所处的状态，并保留相同的超参数。通过 set_config 设置的配置值也会被保留。

调用 reset 会删除任何对象属性，除了

超参数 = 写入 self 的 __init__ 参数，例如 self.paramname，其中 paramname 是 __init__ 的一个参数
包含双下划线的对象属性，即字符串“__”。例如，名为“__myattr”的属性会被保留。
配置属性，配置保持不变。也就是说，在 reset 前后调用 get_config 的结果相等。

类方法、对象方法和类属性也保持不变。

与 clone 等效，但 reset 修改 self 而非返回新对象。

在调用 self.reset() 后，self 的值和状态与构造函数调用 ``type(self)(**self.get_params(deep=False))`` 后获得的对象相等。

返回:

self: 类实例重置为干净的初始化后状态，但保留当前的超参数值。

save(path=None, serialization_format='pickle')[source]#

将序列化的自身保存到字节类对象或 (.zip) 文件。

行为：如果 path 为 None，则返回内存中序列化的 self；如果 path 是文件位置，则将 self 以 zip 文件的形式存储在该位置

保存的文件是包含以下内容的 zip 文件：_metadata - 包含 self 的类，即 type(self)；_obj - 序列化的 self。此方法使用默认序列化（pickle）。

参数:

pathNone 或文件位置 (str 或 Path)

如果为 None，self 将保存到内存中的对象；如果为文件位置，self 将保存到该文件位置。

如果 path=”estimator”，则将在当前工作目录创建 zip 文件 estimator.zip。
如果 path=”/home/stored/estimator”，则 zip 文件 estimator.zip 将存储在

/home/stored/ 中。

serialization_format: str, default = “pickle”

用于序列化的模块。可用选项为“pickle”和“cloudpickle”。请注意，非默认格式可能需要安装其他软依赖项。

返回:

如果 path 为 None - 内存中序列化的 self
如果 path 为文件位置 - ZipFile，其中包含对文件的引用

set_config(**config_dict)[source]#

将配置标志设置为给定值。

参数:

config_dict：dict

config 名称 : config 值对的字典。有效的 configs、值及其含义如下所示

displaystr, “diagram” (默认), 或 “text”

jupyter 内核如何显示 self 的实例

“diagram” = html 框图表示
“text” = 字符串打印输出

print_changed_onlybool, default=True

打印 self 时是否仅列出与默认值不同的 self 参数 (True)，或列出所有参数名称和值 (False)。不嵌套，即仅影响 self 而不影响组件估计器。

warningsstr, “on” (默认), 或 “off”

是否发出警告，仅影响来自 sktime 的警告

“on” = 将发出来自 sktime 的警告
“off” = 将不发出来自 sktime 的警告

backend:parallelstr, optional, default=”None”

广播/向量化时用于并行的后端，选项之一为

“None”: 按顺序执行循环，简单的列表推导
“loky”, “multiprocessing” 和 “threading”: 使用 joblib.Parallel
“joblib”: 自定义和第三方 joblib 后端，例如 spark
“dask”: 使用 dask，需要在环境中安装 dask 包
“ray”: 使用 ray，需要在环境中安装 ray 包

backend:parallel:paramsdict, optional, default={} (不传递参数)

作为配置传递给并行后端的附加参数。有效键取决于 backend:parallel 的值

“None”: 无附加参数，backend_params 被忽略
“loky”, “multiprocessing” 和 “threading”: 默认 joblib 后端，这里可以传递 joblib.Parallel 的任何有效键，例如 n_jobs，但 backend 除外，它由 backend 直接控制。如果未传递 n_jobs，将默认设置为 -1，其他参数将默认设置为 joblib 默认值。
“joblib”: 自定义和第三方 joblib 后端，例如 spark。这里可以传递 joblib.Parallel 的任何有效键，例如 n_jobs，在这种情况下，必须将 backend 作为 backend_params 的键传递。如果未传递 n_jobs，将默认设置为 -1，其他参数将默认设置为 joblib 默认值。
“dask”: 可以传递 dask.compute 的任何有效键，例如 scheduler
“ray”: 可以传递以下键
- “ray_remote_args”: ray.init 的有效键字典
- “shutdown_ray”: bool, default=True; False 防止 ray 在并行化后
  关闭。
- “logger_name”: str, default=”ray”; 要使用的日志记录器名称。
- “mute_warnings”: bool, default=False; 如果为 True，则抑制警告

input_conversionstr, 选项之一 “on” (默认), “off”, 或有效的 mtype 字符串

控制输入检查和转换，用于 _fit, _transform, _inverse_transform, _update

"on" - 执行输入检查和转换
"off" - 在将数据传递给内部方法之前不执行输入检查和转换
有效的 mtype 字符串 - 假定输入为指定的 mtype，执行转换但不执行检查

output_conversionstr, 选项之一 “on”, “off”, 有效的 mtype 字符串

控制 _transform, _inverse_transform 的输出转换

"on" - 如果 input_conversion 为 “on”，则执行输出转换
"off" - 直接返回 _transform, _inverse_transform 的输出
有效的 mtype 字符串 - 将输出转换为指定的 mtype

返回:

self对 self 的引用。

说明

更改对象状态，将 config_dict 中的 configs 复制到 self._config_dynamic。

set_params(**params)[source]#

设置此对象的参数。

此方法适用于简单的 skbase 对象以及复合对象。参数键字符串 <component>__<parameter> 可用于复合对象，即包含其他对象的对象，以访问组件 <component> 中的 <parameter>。如果引用明确，例如没有两个组件参数具有相同的名称 <parameter>，也可以使用不带 <component>__ 的字符串 <parameter>。

参数:

**paramsdict: BaseObject 参数，键必须是 <component>__<parameter> 字符串。如果与 get_params 键中的其他字符串唯一，则 __ 后缀可以作为完整字符串的别名。

返回:

self对 self 的引用（参数设置后）

set_random_state(random_state=None, deep=True, self_policy='copy')[source]#

设置自身的 random_state 伪随机种子参数。

通过 self.get_params 查找名为 random_state 的参数，并通过 set_params 将它们设置为从 random_state 派生的整数。这些整数通过链式哈希从 sample_dependent_seed 中采样，并保证种子随机生成器的伪随机独立性。

根据 self_policy 应用于 self 中的 random_state 参数，并且仅当 deep=True 时应用于其余组件对象。

注意：即使 self 没有 random_state 参数，或者没有任何组件具有 random_state 参数，也会调用 set_params。因此，set_random_state 将重置任何 scikit-base 对象，即使是那些没有 random_state 参数的对象。

参数:

random_stateint, RandomState 实例或 None, default=None

伪随机数生成器，用于控制随机整数的生成。传递 int 可在多次函数调用中产生可复现的输出。

deep：bool，默认值=True

是否在 skbase 对象值参数中设置随机状态，即组件估计器。

如果为 False，则仅设置 self 的 random_state 参数（如果存在）。
如果为 True，则也会在组件对象中设置 random_state 参数。

self_policystr, 选项之一 {“copy”, “keep”, “new”}, default=”copy”

“copy” : self.random_state 设置为输入的 random_state
“keep” : self.random_state 保持不变
“new” : self.random_state 设置为一个新的随机状态，

从输入的 random_state 派生，通常与它不同

返回:

self对 self 的引用

set_tags(**tag_dict)[source]#

将实例级别标签覆盖设置为给定值。

每个 scikit-base 兼容对象都有一个标签字典，用于存储关于对象的元数据。

标签是特定于实例 self 的键值对，它们是对象构造后不变的静态标志。它们可用于元数据检查，或控制对象的行为。

set_tags 将动态标签覆盖设置为 tag_dict 中指定的值，其中键是标签名称，字典值是要设置的标签值。

应仅在对象的 __init__ 方法中、构造期间，或在通过 __init__ 构造后直接调用 set_tags 方法。

可以通过 get_tags 或 get_tag 检查当前标签值。

参数:

**tag_dictdict: 标签名称 : 标签值对的字典。

返回:

自身: 对 self 的引用。

transform(X, y=None)[source]#

转换 X 并返回转换后的版本。

所需状态: 需要状态为“已拟合”。

访问 self 中的内容

以“_”结尾的拟合模型属性。

self.is_fitted，必须为 True

参数:

X：sktime 兼容数据容器格式的时间序列

要转换的数据。

sktime 中的独立数据格式称为 mtype 规范，每个 mtype 实现一个抽象的 scitype。

Series scitype = 单个时间序列。pd.DataFrame、pd.Series 或 np.ndarray (1D 或 2D)
Panel scitype = 时间序列集合。pd.DataFrame 带有 2 级行 MultiIndex (实例, 时间)、3D np.ndarray (实例, 变量, 时间)、list 类型的 Series pd.DataFrame
Hierarchical scitype = 时间序列的层级集合。pd.DataFrame 带有 3 级或更多行 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参阅关于 mtype 的术语表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

y：可选，sktime 兼容数据格式的数据，默认值=None

附加数据，例如用于转换的标签。某些转换器需要此项，详情请参见类文档字符串。

返回:

X 的转换版本
类型取决于 X 的类型和 scitype:transform-output 标签

	转换
X	-输出	返回类型
Series	Primitives	pd.DataFrame (1行)
Panel	Primitives	pd.DataFrame
Series	Series	Series
Panel	Series	Panel
Series	Panel	Panel

返回中的实例对应于 X 中的实例

表中未列出的组合目前不支持

具体说明，带示例

如果 X 是 Series (例如，pd.DataFrame)

并且 transform-output 是 Series，则返回的是一个相同 mtype 的单个 Series。示例：对单个序列进行去趋势

如果 X 是 Panel (例如，pd-multiindex) 并且 transform-output

是 Series，则返回的是一个 Panel，其实例数量与 X 相同（转换器应用于每个输入的 Series 实例）。示例：面板中的所有序列都被单独去趋势

如果 X 是 Series 或 Panel 并且 transform-output 是

Primitives，则返回的是一个 pd.DataFrame，其行数与 X 中的实例数相同。示例：返回值的第 i 行包含第 i 个序列的均值和方差

如果 X 是 Series 并且 transform-output 是 Panel，

则返回的是一个 pd-multiindex 类型的 Panel 对象。示例：输出的第 i 个实例是运行在 X 上的第 i 个窗口

update(X, y=None, update_params=True)[source]#

使用 X 更新转换器，y 可选。

所需状态: 需要状态为“已拟合”。

访问 self 中的内容

以“_”结尾的拟合模型属性。

self.is_fitted，必须为 True

写入自身

以“_”结尾的拟合模型属性。

如果 remember_data 标签为 True，则通过 update_data 将 self._X 更新为 X 中的值。

参数:

X：sktime 兼容数据容器格式的时间序列

用于更新转换的数据

sktime 中的独立数据格式称为 mtype 规范，每个 mtype 实现一个抽象的 scitype。

Series scitype = 单个时间序列。pd.DataFrame、pd.Series 或 np.ndarray (1D 或 2D)
Panel scitype = 时间序列集合。pd.DataFrame 带有 2 级行 MultiIndex (实例, 时间)、3D np.ndarray (实例, 变量, 时间)、list 类型的 Series pd.DataFrame
Hierarchical scitype = 时间序列的层级集合。pd.DataFrame 带有 3 级或更多行 MultiIndex (层级_1, ..., 层级_n, 时间)

有关数据格式的更多详细信息，请参阅关于 mtype 的术语表。有关用法，请参阅转换器教程 examples/03_transformers.ipynb

y：可选，sktime 兼容数据格式的数据，默认值=None

附加数据，例如用于转换的标签。某些转换器需要此项，详情请参见类文档字符串。

返回:

self：评估器的一个已拟合实例